数值天气预报和无缝隙预报系统

第十三讲数值天气预报和

无缝隙预报系统丁一汇国家气候中心高等天气学讲座(2014年春季）单元五：天气预报预报员心中的苦楚自己知道，心里的喜乐，外人无干。(NapierShaw,改变自圣经（箴言第14章第10节）

引自K.Emanuel,2005）一、数值天气预报的进展数值天气预报的成功是20世纪最重要的科学，技术和社会成就之一。在过去25年，数值天气预报的技巧有明显提高。至少是每十年增加1天。

1980—2004年南北半球温带地区数值天气预报预报技巧的演变。ECMWF500hPa高度距平相关系数（ACC）。阴影区是南北半球技巧差

（Hollingsworthetal.,2003）NMC/NCEP模式北美地区500hPa(ghm)36hr预报误差，从1950年代开始用数值模式以来误差一直稳定下降。存在两个问题（1）高影响天气预报的准确率需要提高。高影响天气：对社会、经济和环境产生重大影响的天

气现象与事件，如对流性和地形降水造成的洪水、暴

雨雪、沙尘暴，破坏性地面大风等。也包括高温/冷害、

干旱、影响空气质量的气候条件以及具有高度社会和

经济影响的非极端天气等。它们一般由包含有中尺度

天气的温带和热带气旋等天气系统引起。高影响天气

事件的发生是小概率事件，但风险很高，其后果可能

是灾难性的。改进高影响天气的预报技巧是21世纪重

大科学与社会挑战之一。THORPEX计划的建立即是应对这种挑战。目前已具备五个条件来应对这种挑战：

对大气可预报性的理论和实际界限的认识在深入，包括年际与季节内气候变率对预报技巧的影响；地球系统观测的扩展；能够同化各种观测资料的天气预报系统的迅速发展；具有先进的预报方法，如数值方法改进，物理过程表述更准确合理，集合天气预报方法应用，超级计算速度和存储猛增等；对预报系统设计和实施的创新理念与途径，据此将大大促进天气信息的社会与经济利用。（2）预报时效要进一步从7天扩展到14天，

即达到中短期天气预报的极限值。再进

一步，与气候预报相衔接，要共同解决2周到几周的天气预报，这是目前无缝

隙预报的主要问题。二、数值天气预报的可预报性问题所谓可预报性是指天气预报在时效上的一种上限。这由数值天气预报中的不确定性造成：（1）模式中表征物理过程或计算近似造成的

不确定性，也称模式误差，尤其是方程

中求解的数值近似与不可分辨（次网格）

运动的参数化。由此造成的物理过程与

发生在大气中实际的物理过程不一致。（2）预报初值条件的不确定性。由观测的系统和随机误差，

时空分布的不均匀性，观测系统对预报模式可分辨的

时空尺度的代表性，以及资料同化系统的近似性等造

成。简言之，这是由于大气实际的初始状态与用于模

式初值之间的差别造成。初始误差随时间增长，3—5

天时，误差变成2倍，对于小的误差增长更快。短期天

气预报误差的最大贡献是由初始条件不确定性造成。

“经典”的可预报性理论的研究是把大气处理成一种不

稳定的非线性湍流系统，在这个系统中，任何扰动，

不管它是怎样小，最终都会发展到超过系统的确定性

变化。除系统的气候状态之外，一切都将被破坏。经

典理论最主要内容是估计小误差的增长率。对一些早期模式实验的误差增长率研究发现，剩余均方差误差大约5天增加一倍。但后来又发现，误差增长率与模式的空间分辨率有关，在高分辨时，误差加倍时间减少到3天左右。Lorenz试图从实际大气观测中估计误差增长率，这可避免模式的影响。他估计出小误差的加倍时间约为2.5天。根据湍流理论所做的误差增长率计算大致也是这个量值。增长率的快慢与可预报性密切相关，如果误差增长很快，则可预报性短，如果增长很慢，可预报性就长。用数值模式进行的可预报性研究还清楚地表明，理论预报误差的增长与大气尺度有关。换句话说，可预报性与所预报的运动尺度有密切关系。大尺度运动比较小尺度有更大的可预报性。用正压模式进行的可预报性理论研究表明，20000km波的可预报性几乎比5000km的波大4倍。（3）固有不确定性或剩余不确定性。由不可分辨运动造成，这种运动

是独立于预报模式分辨的运动。主要由有限模式分辨率产生。不

论谱模式或格点模式，这种由离散网格点代替连续时空的计算方

法都会带来一定误差。根据实际资料进行的数值实验得到的有用可预报性为4~5天（预报误差达到气候方差的时候）。另外并得到：（1）在预报开始，误差增长要快得多；（2）对某些模式，超长波的可预报性比较小尺度的波动小；（3）所有数值模式都产生系统误差，且具有特征的地理分布；（4）每天、每段时间的可预报性变化都很大。分析表明，预报开始的时候，误差的迅速增长最可能由初始状态规定的不确定引起，尤其是位相误差可引起初始误差很快的增长。如果模式的水平和垂直分辨率不足或物理参数化模式过于简化，则超长波的误差增长率较高。但一般复杂的预报模式对超长波预报得较好，如欧洲中期天气预报中心的模式，报超长波比中间尺度的波要好。系统误差与长波误差有关。因为大尺度长波具有特征的大尺度地理分布，故大尺度系统误差反映了长波系统的预报误差，这些误差在冬季最明显，其共同特征是在大西洋西部预报的高度值偏高，而东大西洋地区偏低。太平洋地区有类似的误差分析。可预报性随时间有很大的变化。根据欧洲中期天气预报中心高分辨全球格点模式7次计算表明，可预报性从不到5天到8天以上。在有些天，所有预报都不好，而另些天，都不错。可预报性这种随时间变化的原因还不清楚。三、气象预报中的混沌问题什么是混沌？撇开数学上严格的定义不谈，从物理上，我们可以说混

沌是在决定性（deterministic）动力学系统中出现的一种貌似随机的

运动。动力学系统通常由微分方程、差分方程或简单的迭代方程所描

述，“决定性”指方程中的系数都是确定的，没有概率性因素。从数

学上说，对于确定的初始值，决定性的方程应给出确定的解，描述着

系统确定的行为。但在某些非线性系统中，这种过程会因初始值极微

小的扰动而产生很大的变化，即系统对初值依赖的敏感性。由于这种

初值敏感性，从物理上看，过程好像是随机的。这种“假性随机”与

方程中有反应外界干扰的随机项或随机系数而引起的随机性不同，是

决定系统内部所固有的，可称之为内禀随机性（intrinsic

stochasticity).

（引自赵凯华，罗蔚茵，2010；Stocker，2007）与混沌有关的名词解释耗散系统：系统在它的时间发展中能量有损耗。吸引子和决定系统长期行为的极限环的存在是耗散系统的特征。混沌系统：系统具有对初始条件敏感的依赖性，但是它仅存在于有限的相空间之内。吸引子：相空间里的某个区域，系统一旦到达后就再不能离开。奇异吸引子：即在该处系统性质敏感地依赖于初始条件的吸引子，当系统进入奇异吸引子，它的运动是混沌的。极限环：当瞬态（瞬时振动）衰竭后系统“进入”的周期性运动。如果系统具有极限环，对于许多不同的初始条件，经过相当长时间后，系统将进入极限环，并且不会再离开它，有关初始的信息将极大程度地丧失。态空间和相空间：

组态空间：物理系统各变量组建的空间，如x-t图，经

典力学中的位置函数的组建空间，即运动在其中的空间

（一般是三维空间：

V（x,y,z））

相空间：是由位置变量x及其相应的动量变量组建的空

间。对于经典力学系统，它就是态空间，如数学摆由空

间变量θ（偏角）和它的时间微商dθ/dt构成（理想摆

轨迹是椭圆，周期性运动；阻尼摆是螺旋线），也可用

x-y图描绘出相空间中系统的运动，每个轴代表相空间

的一个坐标。闭合的相空间轨迹代表周期运动。现在的问题是由数值天气预报模式可预报多长的天气变化?进一步,由复杂的耦合气候模式预测的将来气候变化是否可靠？有多大程度上是可信的？这是许多人经常提出的一个科学问题。混沌理论告诉我们，在混沌系统中，系统具有对初始条件敏感的依赖性，也就是系统的初始条件仅仅稍有改变，足够长时间后，系统将达到完全不同的状态。由于初始条件总不能精确地知道，即使系统的运动规律是严格确定的，但是人们仍无法预测系统的长期行为（确定性混沌）。

简单地说，系统是确定的，但不可预测。长期以来，牛顿

动力学被认为是高度确定性的，因而原则上可预测的。但

这种可预报性最先在1903年前后被法国数学家庞加莱所质

疑，他研究了牛顿动力学下物体运动的近似解，发现一些

解并不收敛，他认识到在这些情况下，实际解一定是高度

依赖于初条件，致使实际的可预报不复存在。这种微小差

异的初始条件可导致不同预报结果的不可预报的混沌行为，

在上世纪六十年代得到了广泛的研究。并且第一次被洛伦

兹（E.N.Lorenz）用于大气模式中，得到了著名的Lorenz吸引子，并形象地把这种大气的混沌行为描绘为

“蝴蝶效应”。（Lorenz，1993）

应该指出，Lorenz揭示的混沌行为是所谓的确定性混沌。可以这样

理解：混沌不是随机的。任何混沌系统的现在状态仍然按照自然定

律与过去和未来状态相关，但是将来的行为只是有限度地可预报。

对初值的敏感性意味着，由观测引起的不确定性比系统按自然规律

随时间的演变增长得愈来愈快。结果既使其观测精度倍增，用最完

善的数值预报模式，其有用的预报期也远不能延长一倍。因而其预

报时限或可预报性是有上限的，大致在2周左右。除了对初值极其敏

感以外，混沌系统的另一特征是：它们永远不会完全一样的重复自

己，但可以大致相似的循环方式演变。换言之，每隔一段时间，在

某些地区，我们只能看到大致相似的天气系统，而看不到完全雷同

的天气系统。其原因是在混沌系统中（即使简单的混沌系统）存在

非线性关系。

(a)由一个长10cm的线和其末端的摆锤组成一个单摆系于一个悬挂点上，它随着一个线性振荡的强迫运动而运动，这个强迫运动的周期和单摆的共振频率f0非常接近。(b)和(c)表明摆锤在水平面上运动的状况，标度是cm。(b)当强迫频率正好高于f0时，摆锤的运动处在一个简单的规则形状。(c)当强迫频率正好低于f0时，摆锤给出混沌状态的运动（尽管运动被包含在处于给定区域内），这种运动是随机变化的，不连续的，它是初始状态的函数。（Houghton，2013）（a）蝴蝶效应：用同样的Lorenz大气模式进行两次运算，所有条件皆同，只是初条件略有不同。可以看到任一选取的变量之变化并不相似。在整个积分期的后三分之二时段完全不相似。这表明预测结果对初值的差别十分敏感；（b）具有不能预期转换的近似重复性：

当对流单体成滚轴状围绕着一水平轴时，代表对流模式状态连续演变序列的线依其自身而不断转换

（Mcilveen，

2010）混沌的画像简短的历史说明

在19世纪牛顿力学认为：一个物理系统的现在条件必然与它过去和将来的条件相关联。也就是说，根据这些自然定律由现在的条件可以“决定”其将来的条件。法国自然哲学家和数学家Laplace在1812年对这些自然定律更进一步扩大称：对宇宙万物现在状态的完美认知与对其所有行为的自然定律的完美了解将“决定”宇宙的将来，直到时间终结。这就是当年盛行一时的拉普拉斯决定论。不可避免的，20世纪初的气象学家也继承了这种信念。他们开始用基本物理定律制作天气预报。最著名的例子就是Richardson在上世纪初进行的第一次数值预报尝试。两位科学家对拉普拉斯决定论的挑战

在上世纪初，HeuryPoincate在一篇名为“科学与方法”的文章中指出：若我们明确知道自然定律与宇宙初始时刻的状态，我们就能够正确预测出相同宇宙在下一时刻的状态……但情况不会一直如此，初始条件的微小差异导致状态的重大差异是可能会发生的。先前的小误差将会引起后来的巨大误差。预测变得不可能，总有意想不到的地方（转引自K.Emanuel，吴俊杰，金棣译，2005）。

后来，拉普拉斯决定论进一步从物理上在1920年代被量子力学理论和观测结果所动摇，此即海森伯（Heisenberg）不确定度关系。这个关系说明所有（如其轨道）原子和亚原子粒子，都因受到不确定性而模糊不定。也就是说，在量子力学中，粒子轨道，即粒子作为时间的函数概念失去意义，粒子的坐标与动量不可能同时具有确定值。

这种不确定性只有通过考虑大量小粒子的统计结果才能得以减少。虽然拉普拉斯确定论受到上述两个方面的冲击，但大气预报仍然遵循拉普拉斯确定论，认为是确定性的，直到上世纪六十年代。

热带气旋路径预报的混沌问题我们必须在混沌的流场中处理天气系统的混淆轨迹。混沌理论告诉我们，不确定性一直存在，而且有的会特别高，如一个接近鞍形流场中鞍点的台风，它可走向完全相反的路径，这只取决于初始位置上的极小差异。飓风运动的8个预报，用同一个模式，但8个不同的涡旋初始位置（右下方）所做出来的预测

大气(包含天气和气候)是一种混沌现象,它具有明显的湍流或非周期性运动。它的长期行为是否可预测？如果可预测，是否存在一个预测的极限？这涉及到天气与气候的可预测性问题。由于时间所限，这里将不再详细讨论大气或气候系统（如海洋）的混沌特性与行为，以及如何研究其可预报性，而只提供一些重要的证据和理由来说明天气与气候模式的预测结果在什么情况下和在多大程度上是可预报的，因而其预报结果应该是可靠的。（1）初值决定的数值天气预报其理论可预报上限为2周，但

如果数值模式十分完善，初始条件误差很小，预报时

限可延长到3周，这可能是用确定性的动力模式方法获

得有用预报的最长时效。但是对于某些天气和气候形

势下的预报尚可维持延长，甚至达到近4周的时间。这

主要是对冬季中纬度大尺度大振幅准定常波的预报。

它们常常表现为具有持续性高气压区的阻塞形势。另

外模式中对热带大气环流和行星尺度波动描述的改进

也能显著改进中高纬度天气和气候异常的预报。（2）对于月以上的气候预报如季节和年际预报，耦合强迫（如海洋与

陆面过程，包括积雪覆盖）对气候异常起着非常重要的作用。例

如中东赤道太平洋海表温度一旦出现明显异常（变暖或变冷），

会形成厄尔尼诺或拉尼娜现象。目前已可依据这种海洋对大气的

耦合强迫作用提前1年做出全球气候变化或异常的预报。另外，海

洋和陆面过程可以引起大气环流的优势模态，这种环流的优势模

态可持续数年或数十年，从而造成大范围甚至全球的气候异常或

气候变化。这种行星尺度的环流优势模态或者由耦合强迫产生；

也可能在人类引起的气候变化条件下产生。现在大多数国际上先

进的复杂耦合气候模式能预测这种环流的优势模态，它们对于区

域气候变化的预报尤其重要。从动力系统的观点看，这反映了海

洋或陆面强迫或日益增加的人类活动引起的温室气体造成的辐射

强迫影响的气候吸引子几何形状会发生什么变化。混沌理论的研

究表明，虽然在混沌系统中，个别轨迹可以是不可预报的，但整

个几何形状的变化是完全可预报的。上述气候变率优势模态的存

在和演变，反映了吸引子几何形状和优势极性的改变。（3）气候变化的预测不同于几周时间尺度的天气的可预报

性，后者主要依赖于初值，而前者即依赖初始条件，

也依赖边界条件或者完全依赖于边条件。较短时间尺

度的气候预测或短期气候预测，就是依赖于上两种条

件，因而在模式中边界条件的变化如上边界太阳辐射

的季节循环，下边界的海表温度的变化都包含在模式

中。这种可预报性被洛仑兹称为第一类可预报性。对

于长期（几十年或几百年）的气候变化预测，如由人

类活动造成的温室气体增加引起的全球气候变化，将

不依赖于大气的初始条件，这是由于在模式长期积分

之后，将完全丧失对初条件的记忆，因而失去它的影

响。这种完全依赖于详细边界条件变化的气候预测被洛仑兹称为第二类可预报性，其可预报性决定于外界强迫变化的时间尺度。由于气候系统的惯性，即使施加于边界（包括CO2增加）的外强迫消失之后很久，气候系统还将继续变化相当长的时间，甚至长达千年以上。海平面上升的响应就是一个例子。从外强迫引起的辐射平衡的变化看（即辐射强迫），由人类活动造成温室气体的增加与火山爆发，太阳活动等外强迫在引起全球辐射不平衡上是相当的和等效的。古气候模拟表明，气候模式对于自然的外强迫响应是比较合理的与正确的，因而有理由认为，气候模式对于温室气体增加的气候响应也应是基本正确的。这就是气候变化预测可靠性的基本科学基础。

从混淆理论观点看，这种结果是令人十分意外的。它反映了气候系统的某种规则性，表明对于一些大的气候变化，气候系统并不是强混沌性质的，而是以大致可预报的方式响应米兰科维奇的强迫作用。这种强迫产生于地球轨道变化引起的地球上太阳辐射分布的变化。前面已经指出，由温室气体增加所引起的全球气候变化也是被大气顶辐射状况的变化驱动。从性质上它与米兰科维奇强迫产生的辐射状况变化并无不同，因而可以认为，从这个方面看温室气体增加将也应该导致基本可预测的全球气候响应。由于预测结果对初始条件的敏感性，首先是要改进全球气候观测系统，以为气候模式提供更准确的初始场。但要做到这一点在相当长时间内是有困难的，因而目前的解决办法是用数学方法对观测的初值进行扰动，得到在观测和分析误差范围之内相差甚小的一群初始值，它们代表在初始时刻可能出现的所有观测场，其数量可达50个以上。以后用每一初始值进行预报，最后把所有个别预报成员用统计方法进行集合。如果各预报成员的结果具有低离散度，则预报具有较高的技巧和可信度。反之如果个别成员的预报相互之间有很大的离散度，则预报技巧偏低。集合气候预测的示意图。依据十分接近的一组初始条件制作的30天气候预测。有些集合预报整体上表现出低的离散度，有些则表现高度散度，低离散度的集合预报可用于实际的预报，它具有更大的可信度。

另一方面，天气与气候模式并不是十分完善的，尤其是对于中小尺度（如云）和湍流运动的描述是比较粗的，它们主要采用物理参数化方法，即以大尺度变量表征它们的总体效应，这也会导致天气与气候气候预测的误差，因而继续改进和完善天气与气候模式是另一方面的发展方向。由于目前各国气候预报中心使用的模式并不完全相同，各具特点，因而也可以采用数学方法对各种模式的预报结果进行集合，这叫做超级集合方法。但有一个前提，就是参加模式超级集合的各气候模式一般要有较好的预报性能。通过集合之后一方面可使模式的随机误差或噪音相互抵消以及系统偏差减小，另一方面可突显出由耦合强迫与外强迫在模式中产生的有用气候信号，以提高集合预报的信噪比。因而目前和将来的天气和气候预测是多初值与多模式集合预报系统。因而，从本质上看，天气和气候预报演变成一种概率预报。为了给公众和用户一个确定性的预报结果，目前是对各成员用算术平均（等权重）或加权平均得到。这在某种程度上，是解决作为混沌现象的天气和气候变化的一个很好的途径。

四、天气预报方法的分类天气预报方法总的可分为两类：一是经验方法，也称主观预报方法。主要依据天气图、卫星和雷达资料以及各种经验规则和统计图表由预报员综合作出。因而预报的正确性很大程度上取决于预报员的经验。这种方法的缺点是不够客观和定量，但它有重要作用。本节不讨论这种预报方法。第二类是客观预报方法。这包括数值预报和统计预报。近三十年来，统计预报又与数值预报相结合发展成统计－动力（或数值）预报方法。从五十年代开始就研究数值天气预报方法。到六十年代初，不少国家都已建立了数值预报的业务预报。目前数值预报的业务预报能力不断提高，它是实现预报客观化定量化的主要手段。总的来说，由于数值预报的不断改进，预报准确率到九十年代增加了一倍，从30％增加到60％（正确率的评分为2×(70－S1)，如得毫无价值的预报图，得0，此时S1＝70；对实际完全正确的预报图得100（％），此时S1＝20）。环流的预报能力也从3天增加到一周或10天。从数值模式看，也变得愈来愈复杂和完善。最早用的是正压模式和地转模式，以后变成半球的原始方程模式，又发展到全球模式，并用实际风观测资料直接输入。同时为满足要素预报又发展了区域模式，细网格模式和套网格模式（用大网格模式预报结果为中、小网格预报模式提供边界条件）。目前数值预报还有许多问题需要解决，例如对于可移动的套网格有限区模式，不少国家都十分重视，但目前大部分这种模式都是所谓单向的，即只有大尺度模式通过边界条件影响有限区模式。目前正研究使用可移动的双向相互作用的细网格模式来作某些重要天气系统（如温带气旋和台风）的预报。对于中尺度模式的试验和研究也在积极进行，其分辨率为50～70km到几km。这种中尺度模式对于预报暴雨，强天气爆发是十分重要的。但一个关键的问题是如何取得合理的初始资料问题。另外，时间尺度1个月的延伸数值预报虽然已经取得了一定的进展，但仍有不少问题需要解决。这种预报对工农业生产的价值非常大。中期预报是一个难题，目前正在一些国家进行。欧洲中期天气预报的水平超过了气候预报和持续性预报。但是要把预报准确率提供一定的程度还有许多的问题需要解决。上述预报模式主要涉及中高纬地区的天气预报，虽然进展明显，但在热带预报方面则进展不太大。为改进热带预报尚需要许多研究工作。统计预报方法在最近30年进展也十分明显。在统计方法中，未来的天气状况可以根据现在天气状态和气候平均的时间滞后相关用回归方程估计。统计方法的优点是它以观测的实际大气的特点为依据。不足之处在于，根据现有的气候资料序列建立起来的一些简单的回归方程具有显著的抽样误差，也不能反映大气中复杂的非线性物理过程和动力过程。统计方法的可预报性极限，可以从时间滞后函数趋于零这一观测事实来确定。随着时间的延长，预报的效用越来越小。有二种主要的统计预报方法，一种是经典统计方法（CS）。它需要得到初条件与某个以后时刻条件之间的统计后延关系。例如用这种关系可直接由今天的观测资料预报明天或后天的天气。这种方法完全不考虑数值预报或动力模式的结果，是一种纯统计方法。统计预报方法很多，这包括：概率天气预报方法、分类预报（是/否预报，多类预报）、相关回归预报（一元或多元回归，逐次回归，事件概率回归等），判别分析（二元与多元判别，逐步判别），时间序列分析（平稳分析，谱波分析）、谱分析与过滤技术等。第二种是统计－动力预报方法，这又包括完全预报法（PP）和模式输出统计方法（MOS）。完全预报法是建筑在数值预报模式能作出较好的环流型预报的条件上。如同CS方法中一样，它用长期实测历史资料（气象要素和各层形势场）统计得到局地天气和气象预报因子（由环流等表征）间的预报方程。这个关系是同时期的，不是落后的。在作预报时，用各层形势场的数值预报结果代入预报方程就可得到每天的要素预报。这个方法的缺点是数值预报的误差不可避免的全部进入这种统计方法的预报结果中去。即它认为数值预报是完全对的，因而它与数值预报模式的改进关系很大。一般当数值模式有改进时，PP方法也有改进。这种方法不适用概率预报。其优点是由于用了较长时间的资料样本，所得到的预报方程比较稳定，并且在推导方程时不需要用数值预报的样本，也不受数值模式改进的影响。MOS方法与PP方法相似也是把动力与统计方法组合在一起，得到瞬时的预报关系，也即根据数值预报的形势和物理量场的预报资料与所报的气象要素直接联系建立统计预报方程。这种方法不必使用长期的观测资料。MOS中的样本通常是一较短时期数值预报模式作出的各种预报量。一般可把这种预报资料存档，并且把这种资料与当地天气模式相对应，然后用各种统计方法最后建立一套统计预报方程。这个模式大的优点是在建立预报方程时自动地考虑了数值预报的系统误差及局地气候学，同时大量利用了数值预报的物理量场，效果往往较好。但是由MOS得到的预报关系每当数值模式改变时，也要求有相应的改变。总之最有用的是MOS方法，它适于报天气尺度12～60小时的预报，可用一天两次的高空资料作出。至于更长时期，PP是主要方法。对中尺度和短于12小时的预报，CS是主要方法。现在MOS已被广泛地用来代替PP，CS方法。对中长期，一旦将来有了更长期的预报，也可进一步被应用。对于短期天气预报，尤其是中尺度和局地预报，可用MOS＋CS，并且每小时更新一次。因而有人预计，MOS将成为局地和气象要素（包括城市天气）的主要预报工具。天气预报虽然有了明显的进展，但一些关键性的转折性天气或强烈天气的突然爆发的预报仍然常常失败。Ramage曾指出，这是因为大气湍流很强和各向异性的性质所决定，也即大多数能量都是在不到5～10％的时间内释放出来的。这种大气的爆发性质是无法用动力学或数值预报报出的，如积云的发展，雷暴或飑线的爆发，台风和温带气旋的生成，厄尔尼诺现象等只能用统计方法作出。他特别强调要研究大气中这种“爆发”的发展过程以及导致爆发的先决条件。这种意见与数值模式的研究者是不同的，后者认为大气的运动是决定性的，只要有了好的观测网和完善的模式，强有力的计算机，是能够作出正确的天气预报来。现在天预报也正是沿着这两条路向前发展。近几十年来又把两者结合起来使预报正确率有了相当的提高。

中短期数值天气预报天气预报和大气模拟从时间尺度可以分为短中期和长期预报，前者主要取决于大气的初始状态；而中期预报，虽然主要考虑运动的初始状态，但目前认为，也要尽可能考虑决定最终平衡的外部强迫作用。前面已经说明了短期数值预报的情况。最早的中期预报试验是在六十年代末开始，当时进行了一系列的半球的两周预报试验，结果是令人鼓舞的。大大促进了中期预报的发展。1979年8月1日欧洲中期天气预报中心（ECMWF）开始发布10天以内的中期数值预报。通常采用高度距平场的相关作为评价中短期预报的客观指标。所谓高度距平场的相关，也就是全球某一地区一个或几个等压面高度的观测值与预报值对其气候平均的离差之间的相关。这个方法给出的预报技巧的评价一般是可靠的。通常认为距平相关达到50％或60％，就可定义为有用的预报。下图a是北半球中高纬地区1980年12月500和1000hPa高度场业务预报的平均距平相关系数。图中表明，500hPa预报普遍优于1000hPa预报。另外，预报技巧随着预报时限的增长而减小。在这个冬季月，1000和500hPa距平相关达50％的时间分别为预报的第6.5天和第7.2天。另外，两次的高度场预报都远远高于持续性预报。下图b是不同波组的高度距平相关系数。可以看到，大尺度系统的预报更准确一些。波数在10～20之间的纬向波动代表较短的天气尺度的预报，比大尺度系统的预报差的多。这一结果反映，即使天气形势的总体报得较好，但各种天气现象发生的时间和强度有可能报错。b20°N-82.5°N范围内1980年12月各次预报的平均距平相关系数。（a）1000和500hPa高度场的距平相关系数。同时给出了1000hPa持续性预报的相关系数；（b）根据1000～200hPa之间各标准等压面高度计算；计算是对不同纬向波数带分布进行的可预报性也有一定的空间变化。对1980年12月，欧洲500hPa高度距平相关系数在预报第4天达80％，第5.8天达60％。相应在东亚地区同样的相关值出现在第4.1天和第6.1天。这说明亚洲地区有更高的可预报性。业务预报的效果随时间也有明显变化。首先可预报性有显著的月际变化。从这一个月到下一个月，50％相关出现的时间可相差一天。除月际变化之外，预报技巧也有明显的季节变化。如对北半球，夏季的可预报性普遍低于冬季，这在东亚和北美尤为显著。在有些时候，可预报性较低，而在另一些时段可预报性相对比较高，可预报性的这种非季节性变化并不是纯偶然的现象，可能与某种持续性的长时间尺度的天气过程有关，这种过程一般是容易预报一些。热带地区的预报效果并没有中高纬度好。一般数值模式都会出现系统误差问题。在65oN500hPa处，对流层温度偏低，其极大值达3K，平流层温度偏低的程度更明显。500hPa以下，温度偏低的程度随纬度变化很少。模式中的纬向风普遍较实际情况偏强。在高层，纬向平均副热带急流向极地方向移动。850hPa温度的纬向平均误差不大。可以看到在北美落基山，阿尔卑斯山和亚洲的天山为明显的负偏差，而在东南太平洋，大西洋和东南亚地区为大面积正偏差区。美国气象中心（NMC）也有类似的系统误差，在欧洲和亚洲有相同的相对最大和最小误差位置。两模式的最大差别是在北极，这种系统误差产生的一个原因是对地形强迫估计过低。地形上处理不当还可引起虚假的降水。例如青藏高原下风方会产生大范围虚假降水区。目前解决问题的方法有：静力扣除法，包括地形，重力波拖曳法等。实况澳大利亚模式20年中国的模式国内外中国地区多年模拟的平均降水场比较单位：mm加拿大模式22年下图说明了最近30年北半球中短期业务数值预报的进展。1972年的曲线是1972年Miyakoda等给出的12个冬季个例的500hPa高度场的中短期数值预报结果，它代表了70年代初的水平。可以看到3天半以后，距平相关系数小于0.6，即预报不可用。到了79/80年，欧洲中期天气预报中心的冬季有用预报提高到了5天半，到2001/2002年，冬季预报进一步提高到8天半。也就是说，在过去30年中对北半球冬季大尺度气流场的预报技巧提高了5天，最近20年也提高了3天。北半球500hPa位势高度距平相关系数。图中的1972代表Miyakoda等的结果，1979/1980代表欧洲中期天气预报中心1979年12月～1980年2月的业务预报结果，2001/2002代表ECMWF2001年12月～2002年2月的业务预报结果（取自Hollingsworth等，2003）在最近20年，南半球的数值预报也有了显著进展，对于南半球，代表性的地区是澳大利亚与新西兰地区。因为这个地区有南半球最好的地面与高空观测网，其验证结果较为可靠。下图给出了近20年ECMWF，英国气象局（UKMetOffice）和日本气象厅（JMA）对这个地区1，3和5天的预报技巧。这里的预报技巧是用SI（技巧分）表示的，它度量一组固定观测点（通过取探空站点间或网格点间）之间高度梯度的均方根误差（rms），也可近似为地转风的rms误差。如SI＝0，则代表最高技巧的预报；如果SI＝20，则为高技巧误差。由下图可见，四个预报中心（ECMWF，JMA和GASP（澳大利亚气象局））对1，3，5天的预报皆有明显的改进，尤其是在90年代中期，其中期预报水平几乎与北半球相当。这可能是由于（1）新的卫星资料的增加，即新的高频微波探测资料（AMSU），ERS和Quikscat散射仪资料；（2）模式的物理与分辨率的改进；（3）资料同化系统的应用。澳大利亚与新西兰地区24，72与120小时，海平面气压预报的SI评分变化，该结果由澳大利亚气象厅验证。SI是月滑动平均值（取自Hollingsworth等，2003）随着形势预报的明显改进，天气要素的预报也有相当的改进。下图给出了ECMWF降水（24小时降水大于5mm的降水事件）预报的改进情况。所用的指数是公平威胁分（ETS：equitablethreatscores）。可以看到，在欧洲地区，在检验的三个预报时段（18～42小时，42～66小时与66～90小时的累计降水）其预报技巧稳定地上升，大致相应于每十年盈得1天的技巧。根据上面的讨论，可以知道欧洲中期天气预报中心的预报是很成功的，10天以内的预报都优于持续性预报。一般来说，北半球热带以外地区3～4天预报的质量是好的。5～7天的预报通常可以报出总的天气形势。而7～10天的预报由于系统性误差较大等原因，只能参考。降水和温度等的预报也在不断的改进。

1993～2001年ECWMF制作的日降水预报ETS（EquitableThreatScores）逐季时间序列。预报区间为18～42小时（实线），42～66小时（点线）和66～90小时（虚线））。所检验地区是欧洲，所取降水事件是日累计降水量大于5mm。（取自Lalaurette与Ferranti，2001）

五、集合预报解决初值条件误差和模式误差的途径是使用集合天气预报系统（EPS），以此估计可能预报结果发生的概率。EPS是由略微不同的初值或不同模式作出个别预报（预报成员）的集合。集合平均代表EPS确定性的预报结果，各成员对集合平均的散布或标准差，代表EPS的不确定性，一般认为由内部变率造成。任一地点和任一变量的EPS不确定性可由概率密度函数（PDF）表征。它是由不同集合成员构成的一种频率分布。业务集合预报于1992年在美国国家环境预报中心（NCEP）开始使用，近年来在其它国家的气象中心也使用了这种预报方法。集合预报是用某种方法生成不同的初值，然后得到不同的预报结果或预报成员，然后用概率方法对所有的预报成员进行集合，最后得到最可能的预报结果。由于预报模式分辨率，集合成员数，扰动初值的方法和模式本身的不断改进，促使了集合预报方法的迅速发展，并且检验和使用集合预报的方法也得到了相应的发展。集合预报的目的有三个：第一是通过集合平均提高预报质量，其提高之处在于集合平均有过滤掉预报中不确定成分（集合成员彼此不同）而保留下集合成员中一致的部分的倾向。滤波只能在扰动的非线性演变中进行，如果从分析中加上或减去扰动场，当扰动保持线性时集合平均预报就和对照预报相同。和对照试验相比，几天之后的NCEP全球预报集合平均预报的改进是非常明显的。集合预报的第二个目的是提高预报的可靠性。如果集合预报每个成员之间有很好的一致性，那么就有更多理由相信所做的预报。集合离差（spread）和预报误差之间的定量关系（或者反过来说在预报一致性和预报技巧之间）还尚待进一步的确认，但已经在日常预报中被预报员们所考虑。集合预报的第三个目的是为概率预报提供定量基础。在下图的例子中，我们可以说，集合表明A簇的概率是40%，而B簇为60%。(a)典型的集合预报分量示意图。（1）对照预报（标有C），从真实大气初始状态的最好估计分析场开始（用x表示）；（2）两个扰动集合预报（标有P+和P-），从对照场中加上和减去初始扰动；（3）集合平均，用A表示；（4）大气“真实”演变，用T表示。这是一个“好”集合，因为“真实”状态看起来是集合的一个合理成员。集合成员的均值趋于比对照预报更加接近“真实”大气（Toth和Kalnay,1997）。（b）一个“不好”的集合预报示意图，其中预报误差由系统误差所控制（比如模式缺陷）。在这个例子中，集合对预报无用，但它能帮助我们确定预报误差可能是由于系统误差的存在引起的，而不是由于初始条件误差的混沌增长所造成的。

集合预报示意图。从表示初始条件的不确定性（理想的是分析误差协方差）的圆内出发根据扰动初始条件的个别预报的轨迹，结束于可能的解范围之内。对较短时期而言，预报之间比较接近，可以看成是确定性的。但超过一段时间后，可能的解差别很大，必须认为是随机的。对大尺度流动预报而言，过渡时间为2~3天，而对单个风暴等中尺度而言短到只有几个小时，对强非线性参数而言过渡时间要短一些；即使对大尺度场，降水预报表现出显著的发散，比500hPa场发散得快。预报场可能向A或者B子集集聚（选自Tracton和Kalnay，1993）最近变得比较流行的另外一种方法是多系统集合。很长时间以来人们已经认识到来自不同业务中心的业务全球预报的集合平均要比最好的单个预报的技巧高得多（比如，Kalnay和Ham，1989，Fristch等，2000和其中的参考文献）。人们发现对于区域模式的较短期的集合也是如此（Hou等，2001），这样人们就可以把使用多系统进行集合预报推广到短期预报中。Krishnamurti等（2001）发现如果用回归方法对多系统集合误差进行订正的话，集合系统的质量会进一步显著提高。Krishnamurti等（2001）把这种多系统方法称为“超级集合”。多系统集合的优势并不奇怪。这些优势不是向初始分析加上扰动并向对照模式参数化引入扰动，而是多系统方法采用了最好（对照）初始条件和各个预报中心最好（对照）的模式，这些中心运行具有竞争力的现代化业务分析和模式预报。这样，多系统可能提供的真正不确定无论在初始条件还是在模式上都要比后引入某单个业务系统的任何扰动好得多。下图是1995～2002年3～4天内日累计降水概率集合预报的Brier技巧分曲线。结果表明，集合预报对于四种降水事件（降水>1mm,>5mm,>10mm,与>20mm）均有明显改进的趋势。这可能是由于2000年11月开始ECMWF集合预报模式的分辨率增加的结果（由谱TL159（～120km）分辨率增加到TL255（～80km）分辨率）。集合预报可以对控制预报不准确性的概率分布函数进行定量估算，概率分布函数本质上是多变量的，可用于估算同时超过规定阈值的一些变量的概率。利用集合预报输出的结果可以驱动各种应用模式（如有限区模式，水文模式，化学输送模式，火灾模式，电价模式等）。估算由这些模式得到的控制预报的不确定性。检验这种“下游”集合预报有重要的实际意义，也具有诊断分析的价值。

1995～2002年3～4天日降水量概率集合预报Breier技巧分的时间序列。已进行了12月月滑动平均。这是对欧洲地区四种降水事件：>1mm（实线），>5mm（点线），>10mm（虚线），>20mm>（点虚线）。检验是在欧洲的SYNOP上进行的（Mullen与Buizza，2001）

ECMWF对风暴“Lother”海平面气压（1999年12月24日）的集合预报（TL255）。上图左：确定性预报，上图右：验证分析。下面的50幅小图是集合预报的各个成员。可以看到虽然确定性预报并没有抓住这个极端事件，但其中14个成员预报出了强度大致相近的风暴

（取自THORPEX科学计划，2004年）高影响天气集合预报的例子模式不同得到的超级集合不确定性。初值相同，各模式有不同的结果，但前三天预报大致向北移动，但三天之后分成2条主要路径：向西北和向东北方向。这造成了三天之后路径预报的很大不确定性。这种情况下，一个解决的方法是考虑这些模式的模拟和回报性能，确认哪些模式是可靠的，哪些误差较大，然后进行加权平均以增加选择三天后预报路径的信心。这可减少预报的不确定性。2003年凯特飓风的数值预报路径。每一个路径表示不同模式的预测，初始位置为凯特飓风的观测值，在北大西洋中部。（K.Emanuel，2005)集合预报可看做是计算条件概率分布的一种过程，即用一特定预报模式和初条件计算由一预报模式系统得到的PDF。在预报开始的时候，PDF开始很狭窄，预报成员的初始离散度反映的是分析的不确定性。随着预报超前期增加，初始小扰动出现混沌增长，这使预报变得越来越不确定，并且在较短时间内对小尺度系统的可预报性不断消失，以后是大尺度系统的可预报性也消失。一个有技巧的PDF旨在抓住这种PDF的演变，因而PDF是随地点与时间而变，例如对一个发展的气旋2天预报的不确定性可能比一准静态反气旋大。为了使一个EPS具有技巧，PDF必须具备两个特性：（1）须包括事件发生的天气，即检验观测；（2）在比可预报性上限短的预报超前期，PDF必须较窄或者

具有不同于气候概率分布的平均值（最好是一个窄的

偏离气候平均的分布），这表明所得的结果是适合要

预报的特定气象条件。如果PDF满足上两个条件，所给

出的预报将比相关的气候条件具有更多的技巧。由上

可见，预报的PDF要尽可能狭窄，并且集合平均要尽可

能接近检验分析。

说明某一预报时刻气候（平均值为0）与预报的PDF（偏离0平均）示意图。它是由一个初始很狭窄的PDF演变而来。为使EPS可靠起见，在该超前期的检验分析必须落在气候分布区内。彩色区指明落入气候极值区内检验分析的机会，它与由气候分布所预期的机会有很大差别。（取自THORPEX科学报告）区域气候模式—动力Downscaling即把包含最高风险的全球集合成员取出，组成一个子集合集，用高分辨区域模式再做一次预报。这样可充分了解与评估高影响天气可能产生的社会/经济影响。全球EPS的全部成员可做为驱动区域模式的边条件，也可取其中高影响天气潜力最大的子集做为边条件。据此可以得到区域模式的PDF及其不确定性，甚至可以了解边界条件不确定性来自何处。未来集合预报研究方向（THORPEX建议）（1）初条件对预报的不确定性如果小尺度运动的初值有不确定性，可通过逆

尺度使预报误差迅速增长。而分析和预报不确

定是以缓变，更强的大尺度运动为主。应研究

上述与其它初始不确定性在限制预报技巧中的

相对作用，应研究更合理的集合预报系统的初

始扰动方案。（2）改进集合预报系统

这包括集合的初始扰动（陆面和海面），分析

不确定性，非参数化，不可分辨现象对可分辨

尺度的影响，预报模式（数值计算与参数化）

等。还应研究多模式，多参数集合预报方法以

及随机参数化和集合样本数的最佳选取。（3）在生成集合中，利用适用方法，包括集合预报

系统的构造，使其适合天气状态和用户需求。

如分辨率与样本数之间的最佳选取等。（4）多中心集合

多模式或多参数化集合会产生另外的有用的散布分布，

但这些方法多是特定的。尚不清楚，其收效是由于多

种模式的应用，不同模式系统提供的初值差异，还是

所用模式中不同偏差相互抵消或上述诸种原因的组合

造成。将来可发展和评估一种新的集合系统（称THORPEX交互式大全球集合系统）。它是各数值天气预

报中心产生的集合预报的组合。这种方法的优点是用

了不同的资料同化，集合生成和NWP模式设计的方法。

这种多模式，多分析与多国家集合可为全球用户提供

任何地区的高影响天气的集合预报。简短的小结上世纪六十和七十年代科学家提出了大气运动的混沌性和非线性理论，后来又提出动力随机预报和集合预报，对大气的可预报问题（即天气是否可以准确地预报，最长能报多长时段）的重要性进行了深入研究，结果导致了在九十年代初，世界主要气象中心建立了集合预报系统。集合预报本质上是一种概率预报，它既提供确定性信息，也提供不确定性信息，因而它不是完全被公众已普遍接受的单一值的确定性预报。由于它还包含了不确定信息部分，故被称为“完全预报”。后者被称为“不完全预报”。对于大多数公众和用户而言，他们可能不理解，不能接受或不会应用这种常常包含几种可能性的带有不确定性的定量预报结果。目前他们已成为世界上主要数值预报中心日常业务系统的一部分，并且逐步趋于成熟，已为预报员认可，成为日常天气和气候预报的一部分，尤其是欧洲，美国和日本。目前中国才开始起步不久，根据最近的调查（杜均，康志明，2014），虽然数值预报产品已成为中国预报员在制作天气预报中不可缺少的工具，但只约有超过半数的预报员对其预报不确定性有一些了解。有三分之一的预报员对其尚无认识。因而，公众普遍认为：天气是应该可以被准确地预报出来，这种错误的印象在不知不觉中提高了公众对天气预报准确率的期望值。因而对天气预报的现有水平与不可能完全准确地预报天气的思想应通过一定的途径让公众知晓，让公众应理解天气预报的不确定性源自何处，预报难处和不确定性，从而降低人们对天气预报的期望值，即使在将来气象科学更加完善，也不能做到预报完全准确，只能逐步逼近它。七、无缝隙预报系统从未来预报时效、原理和方法上区分气象预报可分为三种类型：天气预报，短期气候预测和气候变化预估。由于后两种预报的差别主要在时间尺度上，所以可统称为气候预测。因而气象预报简单地说包括天气预报和气候预测。但近年来，也有人认为天气预报与短期气候预测都依赖于初始条件，只是预报期延伸的长度不同，应统称天气—气候预报，而气候变化仅取决于外强迫作用，不同于前两种或天气—气候预报。天气预报和气候预测的区别

气候预测与天气预报相比有三个方面的难点：（1）预报时间长。天气预报一般为1-7天，将来最长可延伸到2周。这

主要是天气预报作为一个初值问题受到可预报性上限的限制。而

气候预测是对月、季、年以及十年和百年长时间尺度的气候变率

或异常状态与进行预测或预估。众所周知，预测时间越长，不确

定因素越多，越复杂，因而预测的难度越大，预测结果的准确性

也较低。（2）气候预测的原理和方法复杂，尚处于研究阶段。虽然气候模式基

本上由数值天气预报模式演变而来，但气候预测不能完全沿用中

短期天气预报的原理与方法，必须发展新的气候预测理论与方法。（3）资料和数据不足。由于气候预测需要各圈层，即整个气候系统的

资料，因此困难比天气预报要严重的多。

数值天气和气候预报的可预报性问题许多理论和数值研究表明，大气存在着内在的可预报性，即使以最理想的观测系统也只能作出2～3周有用的预报。我们知道，制约大气预报正确性一般有两个因素：（1）模式误差，这是因为预报模式中考虑和表示的物理过程与发生在大气中的实际物理过程不一致，例如在物理参数化处理中，是通过一种平均过程将次网格的动力过程和物理过程对网格以上尺度的平均影响表示出来。这种情况下，对平均影响的偏离即是误差的一个来源。另外无论是格点大气模式或谱模式，其空间分辨率都受到计算能力的限制；（2）初始误差，这是因为大气实际的初始状态与用于模式初始值的资料之间有差别。许多人研究了初始误差的问题，考察它在时间积分过程中是如何向后传播的，直到所得到的解不再能与随机过程区别开来为止。对于初始误差一般是用概率论和统计方法进行研究。关键的问题是天气预报从数学上被看作初始问题，只要有足够准确的初始场和完善的数值预报模式，随着不断的向前积分，模式能够做出1-7天或到10天的准确天气预报。但是气候预测，仅考虑初始对预报结果的影响尚不够（主要是对短期气候预测），更主要的是考虑大气层上下边界的外强迫作用（如海洋、陆面、太阳辐射、火山爆发）以及由人类活动排放的温室气体与气溶胶的作用，土地利用变化的作用等。由于这些因子与大气圈的相互作用过程与机理十分复杂，目前对他们的了解十分不足，这大大增加了气候预测的不确定性。另外由于大气内部运动的复杂性和动力学上的混沌性质，也大大限制了气候预测准确性。这种差异主要反映在天气预报模式主要考虑的是流体动力学原理，而气候预测除此之外，还必须重点考虑全球大气的辐射传输和长时期能量平衡问题，这对十年—百年尺度的气候预测尤其重要。地球的能量平衡或收